GEO-Audit
Strukturierte Bestandsaufnahme der Sichtbarkeit einer Domain in KI-Antwortsystemen und der zugrunde liegenden GEO-Signale.
Ein GEO-Audit erfasst systematisch, in welchen KI-Antwortsystemen (Google AI Overviews, Perplexity, ChatGPT, Copilot, Gemini) eine Marke aktuell als Quelle erscheint, welche Themen sie dort abdeckt, welche Wettbewerber sie verdrängen und welche strukturellen Signale (Schema, EEAT, Brand Mentions, Wikipedia-Präsenz, technisches Setup) für oder gegen die Sichtbarkeit sprechen.
Klassische SEO-Audits erfassen GEO-Sichtbarkeit nicht zuverlässig — die relevanten Signale unterscheiden sich teilweise erheblich. Ein eigenständiger GEO-Audit liefert die Daten, um Sichtbarkeit in KI-Antworten gezielt aufzubauen, statt sich auf klassisches Ranking-Reporting zu verlassen, das diese Sichtbarkeit nur indirekt abbildet.
Die vier Audit-Bausteine
- Sichtbarkeits-Inventar: Für eine kuratierte Liste relevanter Queries: erscheint die Marke als Quelle in AI Overviews, Perplexity, ChatGPT (mit Web-Browsing), Copilot, Gemini? Welche Wettbewerber dominieren?
- Inhalts-Diagnose: Sind die wichtigen Inhalte RAG-freundlich (atomare Absätze, klare Antwort-Blöcke, Schema, FAQ)? Gibt es Themen-Lücken, die Wettbewerber bedienen?
- Marken-Signale: Wikipedia-Präsenz, Brand Mentions-Dichte in Fachmedien, EEAT-Signale auf Autoren-Ebene, Konsistenz der Daten in Wikidata, LinkedIn, Crunchbase.
- Technische Basis: Rendering ohne SSR? Schema vollständig? robots.txt blockiert AI-Crawler? llms.txt vorhanden? Crawl- und Indexierungs-Status sauber?
Wie das Sichtbarkeits-Inventar entsteht
Ohne offizielle API für AI Overviews ist die Datenerhebung teilweise manuell. Bewährt hat sich: eine Liste von 30–80 strategischen Queries (informational und commercial), monatlicher Abruf in allen relevanten Systemen, Erfassung der zitierten Quellen, Berechnung eines GEO-Sichtbarkeits-Anteils gegenüber Wettbewerbern. Tools wie Profound, Otterly, Peec AI und einzelne Module von Ahrefs oder Semrush ergänzen die manuelle Erhebung.
Häufigste Befunde im B2B-Mittelstand
- Marke kommt für informationale Queries gar nicht vor — obwohl organisch Top-10.
- Wenige große Wettbewerber dominieren die Quellen-Listen — meist solche mit starker Wikipedia- und Brand-Mention-Präsenz.
- Inhalts-Struktur ist zu marketinglastig, Kernaussagen sind nicht extrahierbar.
- Schema und EEAT-Signale sind unvollständig — leicht zu beheben, mit messbarer Wirkung.
Vom Audit zur Roadmap
Ein GEO-Audit ist nur dann wertvoll, wenn er in eine priorisierte Roadmap mündet: welche Themenfelder zuerst, welche technischen Mängel zuerst, welche Marken-Investitionen mittelfristig. Wie sich das operativ in einen Mehrquartals-Plan übersetzt, beschreibt der Guide „Sichtbarkeit in ChatGPT, Perplexity & AI Overviews“.
Was untersucht ein GEO-Audit?
Vier Bereiche: aktuelle Sichtbarkeit als Quelle in KI-Antwortsystemen, RAG-Freundlichkeit der Inhalte, Marken-Signale (Wikipedia, Brand Mentions, EEAT) und die technische Basis (Rendering, Schema, Crawler-Zugriff).
Wie unterscheidet sich ein GEO-Audit von einem SEO-Audit?
Ein klassischer SEO-Audit prüft primär Rankings, technische Indexierbarkeit und OnPage-Signale für Google-SERPs. Ein GEO-Audit erweitert das um Sichtbarkeit in KI-Antwortsystemen, Marken-Salienz, RAG-Freundlichkeit und KI-spezifische Crawler-Steuerung.
Wie oft sollte ein GEO-Audit erfolgen?
Eine vollständige Erhebung jährlich, dazu ein monatliches Sichtbarkeits-Tracking für die wichtigsten 30–80 Queries. KI-Systeme verändern ihre Quellen-Auswahl deutlich schneller als klassische Google-Rankings, monatliches Monitoring ist Mindeststandard.
Lohnt sich ein GEO-Audit für mittelständische B2B-Unternehmen?
Ja, wenn die Zielgruppe digital recherchiert. Im B2B-Mittelstand entscheidet Sichtbarkeit in KI-Antworten zunehmend über Wahrnehmung im frühen Buying Cycle. Wer hier strukturiert vorgeht, baut einen schwer kopierbaren Vorsprung auf.
In der Wachstumsanalyse zeigen wir, was er für Ihr Unternehmen bedeutet.